21.7 C
Lisboa
Quarta-feira, Agosto 10, 2022

Qualquer galáxia única revela a composição de um universo inteiro

Must read


Um grupo da os cientistas podem ter tropeçado em uma nova maneira radical de fazer cosmologia.

Os cosmólogos geralmente determinam a composição do universo observando o máximo possível. Mas esses pesquisadores descobriram que um algoritmo de aprendizado de máquina pode examinar uma única galáxia simulada e prever a composição geral do universo digital em que ela existe – um feito análogo a analisar um grão de areia aleatório sob um microscópio e calcular a massa da Eurásia. . As máquinas parecem ter encontrado um padrão que pode um dia permitir que os astrônomos tirem conclusões abrangentes sobre o cosmos real apenas estudando seus blocos de construção elementares.

“Esta é uma ideia completamente diferente”, disse Francisco Villaescusa-Navarro, astrofísico teórico do Flatiron Institute em Nova York e principal autor do trabalho. “Em vez de medir esses milhões de galáxias, você pode simplesmente pegar uma. É realmente incrível que isso funcione.”

Não era suposto. A descoberta improvável surgiu de um exercício que Villaescusa-Navarro deu a Jupiter Ding, um estudante da Universidade de Princeton: construir uma rede neural que, conhecendo as propriedades de uma galáxia, possa estimar alguns atributos cosmológicos. A tarefa era apenas para familiarizar Ding com aprendizado de máquina. Então eles notaram que o computador estava acertando a densidade geral da matéria.

“Achei que o aluno cometeu um erro”, disse Villaescusa-Navarro. “Foi um pouco difícil para mim acreditar, para ser honesto.”

Os resultados da investigação que se seguiu apareceu em uma pré-impressão de 6 de janeiro que foi submetido para publicação. Os pesquisadores analisaram 2.000 universos digitais gerados pela Cosmologia e Astrofísica com Simulações de Aprendizado de Máquina (CAMELOS) projeto. Esses universos tinham uma variedade de composições, contendo entre 10% e 50% de matéria com o restante composto de energia escura, o que leva o universo a se expandir cada vez mais rápido. (Nosso cosmos real consiste em aproximadamente um terço de matéria escura e visível e dois terços de energia escura.) À medida que as simulações aconteciam, a matéria escura e a matéria visível giravam juntas em galáxias. As simulações também incluíram tratamentos aproximados de eventos complicados, como supernovas e jatos que surgem de buracos negros supermassivos.

A rede neural de Ding estudou quase 1 milhão de galáxias simuladas dentro desses diversos universos digitais. De sua perspectiva divina, conhecia o tamanho, composição, massa de cada galáxia e mais de uma dúzia de outras características. Ele procurou relacionar essa lista de números com a densidade da matéria no universo pai.

Conseguiu. Quando testada em milhares de galáxias frescas de dezenas de universos que não havia examinado anteriormente, a rede neural foi capaz de prever a densidade cósmica da matéria com uma precisão de 10%. “Não importa qual galáxia você está considerando”, disse Villaescusa-Navarro. “Ninguém imaginava que isso seria possível.”

“Aquela galáxia pode obter [the density to] 10% ou mais, isso foi muito surpreendente para mim”, disse Volker Springelum especialista em simulação de formação de galáxias no Instituto Max Planck de Astrofísica que não esteve envolvido na pesquisa.

O desempenho do algoritmo surpreendeu os pesquisadores porque as galáxias são objetos inerentemente caóticos. Alguns se formam de uma só vez, e outros crescem comendo seus vizinhos. Galáxias gigantes tendem a manter sua matéria, enquanto supernovas e buracos negros em galáxias anãs podem ejetar a maior parte de sua matéria visível. Ainda assim, todas as galáxias conseguiram de alguma forma manter o controle sobre a densidade geral da matéria em seu universo.

Uma interpretação é “que o universo e/ou galáxias são, de certa forma, muito mais simples do que imaginávamos”, disse Pauline Barmby, um astrônomo da Western University em Ontário. Outra é que as simulações têm falhas não reconhecidas.



Fonte original deste artigo

- Advertisement -spot_img

More articles

DEIXE UMA RESPOSTA

Please enter your comment!
Please enter your name here

- Advertisement -spot_img

Latest article